标签：style color 使用 ar 数据 问题 sp line on
门店系统作为O2O体系重要的一环，LBS功能自然是当中必不可少的利器。在搭建附近门店的系统，通常情况需要满足这样的需求：
（1） 附近默认距离（比如两公里）内的某商户的门店
（2） 找不到的话，扩大距离继续查询
（3） 查询到门店，返回距离数据
这么看，是球面空间两点的距离分析问题。可是随着门店数据的增加，简单距离计算的次数就会被放大，我们就会自然地考虑到，门店的位置是固定的，能否进行一些预处理，把门店先切片，然后把用户的位置先放到某个片中，再进行距离计算。
第一种思路，经纬度排除。纬度的每个度大约相当于111km，但经度的每个度的距离从0km到111km不等。它的距离随纬度的不同而变化，等于111km乘纬度的余弦。因此，使用纬度天然分隔，是一种解决方案。假设，现在一个用户的经纬度是（22.534756,113.922333），需要查询十公里内的数据，可以采用纬度小数点后一位进行排除，期后再进行经度排除。显然，这种分片方式显得累赘，而且效率和扩展性都不算特别良好。但是它提供了一种思维方式，既然经纬度可以分块，那把这些小块进行编号，再把商家固定在这些编号块上成为预处理数据，用户进入后再采用同样的编码方式把用户固定到小块上，再在同一个小块里面精确计算距离，不是可以解决问题了么？
于是，第二种思路来了，平面切片方式。Geohash就是当中一种采用二分切分的方法，简单介绍一下其实现原理。
（1）首先将纬度范围(-90, 90)平分成两个区间(-90, 0)、(0, 90)， 如果目标纬度位于前一个区间，则编码为0，否则编码为1。
（2）使用前一个编码为1的区域，继续分割，直到达到精度要求。
（3）经度和纬度的编码合并，奇数位是纬度，偶数位是经度。得到一个二进制序列
（4）每五位分割序列（base32编码），使用数字0-9以及字母b-z（排除a、i、l、o）编码。
（5）由于临近两个方格的编码差异极大，因此需要检索的两个点是否在某个范围内，需要进行对周边八个格子的检索。
geohash精度列表
下面的介绍，所使用hash1，即为一位字母编码值，同理，hash6为六位字母编码值。
hash取值 |
面积(km^2) |
大概的纵横（纬度*经度）乘积（km*km） |
1（地球总面积） |
510,065,600 |
16384*32768 |
hash1 |
15,939,500 |
4096*4096 |
hash2 |
498,110 |
512*1024 |
hash3 |
15,565 |
128*128 |
hash4 |
486 |
32*16 |
hash5 |
15 |
4*4 |
hash6 |
0.5 |
1*0.5 |
hash7 |
15625(m^2) |
125*125(m*m) |
hash8 |
488.28125(m^2) |
31.25*15.625(m*m) |
说到这里，假如需要查询附近两公里的门店，应该采用那种hash取值去算呢？
[object Object]
上图为hash6的九宫格排布，图中每个小格都为1KM*0.5KM的面积，用户点在E格中任意位置，于是能看到，九宫格内能保证至少查询出附近0.5KM的门店，要满足2KM的需求，就需要81个格子。同样方式发现hash5只需要九个格子即可满足，但是最大覆盖范围达到了10KM，不满足距离要求门店数量可能会比较多。
分片筛选之后，得到基本满足需要的门店集合，再进行球面距离计算，即可得到门店距离了。
标签：style color 使用 ar 数据 问题 sp line on
原文地址：http://my.oschina.net/u/947024/blog/307848
